XiaoMi-AI文件搜索系统
World File Search System量化
量化化石燃料造成的空气污染的经济成本...
● 基于最近关于化石燃料燃烧对全球空气污染物水平的贡献以及空气污染对健康的影响的研究进展，首次对化石燃料造成的空气污染的全球经济成本进行评估。● 据估计，2018 年化石燃料造成的空气污染的经济成本为 2.9 万亿美元，占全球 GDP 的 3.3%，远远超过快速减少化石燃料使用可能产生的成本。● 据估计，2018 年有 450 万人因接触化石燃料造成的空气污染而死亡。平均而言，每例死亡导致寿命损失 19 年。● 化石燃料 PM2.5 污染造成 18 亿天的工作缺勤、400 万例儿童哮喘新发病例和 200 万例早产，以及影响医疗成本、经济生产力和福利的其他健康影响。
神经网络中的量化优势与局限性
● 1943 年 - Pitts 和 McCulloch 创建了基于人脑神经网络的计算机模型 ● 20 世纪 60 年代 - 反向传播模型基础 ● 20 世纪 70 年代 - AI 寒冬：无法兑现的承诺 ● 20 世纪 80 年代 - 卷积出现，LeNet 实现数字识别 ● 1988-90 年代 - 第二次 AI 寒冬：AI 的“直接”潜力被夸大。AI = 伪科学地位 ● 2000-2010 年 - 大数据引入，第一个大数据集 (ImageNet) ● 2010-2020 年 - 计算能力，GAN 出现 ● 现在 - 深度学习热潮。AI 无处不在，影响着新商业模式的创建
量化建筑环境维持 BDNF 的能力
摘要：与啮齿类动物的丰富环境不同，人类建造的环境通常会通过久坐的生活方式阻碍神经可塑性，损害认知和心理健康。本文引入了“身体活动的环境可供性”，以量化空间布局设计刺激活动和维持神经可塑性（主要是海马神经发生）的潜力。一个新颖的框架将城市和建筑变化的代谢当量 (MET) 与脑源性神经营养因子 (BDNF) 联系起来，后者是一种促进和维持成人海马神经发生和长期增强 (LTP) 的生物标志物。通过短暂暴露于建筑环境 20-35 分钟后可测量的 BDNF 变化，开发了方程式来评估神经可持续性潜力，因为有证据表明，通过低强度到中等强度的身体活动可以引起 BDNF 释放。该模型提供了一种可行的评估工具，将设计和神经科学连接起来。通过维持神经发生，环境对身体活动的承受能力有望通过海马神经发生的可持续性来改善心理健康并防止认知能力下降。
最佳大脑压缩：准确的训练后量化和修剪框架
我们考虑深度神经网络 (DNN) 在具有挑战性的一次性/后训练环境中的模型压缩问题，在该环境中，我们获得了一个经过精确训练的模型，并且必须仅基于少量校准输入数据对其进行压缩，而无需进行任何重新训练。鉴于新兴的软件和硬件支持通过加速剪枝和/或量化来执行压缩模型，这个问题变得很普遍，并且已经针对这两种压缩方法分别提出了性能良好的解决方案。在本文中，我们介绍了一种新的压缩框架，该框架在统一的环境中涵盖权重剪枝和量化，具有时间和空间效率，并且大大提高了现有后训练方法的实际性能。在技术层面，我们的方法基于 [LeCun、Denker 和 Solla，1990] 的经典最佳脑外科医生 (OBS) 框架的精确和高效实现，该框架扩展到还涵盖现代 DNN 规模的权重量化。从实际角度来看，我们的实验结果表明，它可以显著改善现有后训练方法的压缩-准确度权衡，并且可以在后训练环境中实现修剪和量化的准确复合应用。
流媒体：流媒体映射网络用于矢量化的在线高清构造
高清（HD）地图对于自动驾驶系统的安全至关重要。虽然现有技术启用了相机图像和板载传感器以生成对高精度地图的审核，但它们受到对单帧输入的依赖的限制。这种方法限制了它们在诸如OCClusions之类的复杂情况下的稳定性和性能，这主要是由于缺乏时间信息。此外，当应用于更广泛的感知范围时，它们的性能会降低。在本文中，我们介绍了流媒体，这是一种新颖的在线映射管道，擅长于视频的长期时间建模。流媒体网络采用了多点的关注和时间信息，可以使大型本地高清图的构建具有高稳定性，并进一步解决了现有方法的限制。此外，我们严重地使用了广泛使用的在线HD MAP构造基准和数据集，Argoverse2和Nuscenes，在现有评估协议中揭示了显着的偏见。我们根据地理跨度来启动基准，从而促进公平而精确的评估。实验结果验证了流媒体网络在所有设置中都显着超过现有方法，同时保持在线推断速度为14。2 fps。我们的代码可在https://github.com/yuantianyuan01/ streammapnet上使用。
引用了原始发表的论文（记录的版本）：Blöbaum，L。，Torello Pianale，L.，Olsson，L。等（2024）。量化微生物鲁棒
抽象背景微生物必须对其环境变化做出反应。分析函数的鲁棒性（即性能稳定性）这种动态扰动在实验室和工业环境中都引起了极大的兴趣。最近，一种能够评估各种功能的鲁棒性的定量方法，例如在不同条件，时间范围和种群中为在96孔板中生长的微型ISM开发了各种功能的鲁棒性。在微静电板中，环境变化缓慢且未定义。动态微型单细胞培养（DMSCC）实现了微环境的精确维护和操纵，同时使用活细胞成像随着时间的推移跟踪单细胞。在这里，我们将DMSCC和鲁棒性量化方法结合在一起，以评估在几秒钟或几分钟内发生变化的性能稳定性。结果，酿酒酵母CEN.PK113-7D，具有用于细胞内ATP水平的生物传感器，暴露于葡萄糖盛宴饥饿周期，每种状况在20小时内持续1.5至48分钟。开发并应用了半自动图像和数据分析管道，以评估种群，亚种群和单细胞分辨率的各种功能的性能和鲁棒性。我们观察到特定生长速率的降低，但振荡间隔更长的细胞内ATP水平增加。持续48分钟振荡的细胞表现出最高的平均ATP含量，但随着时间的流逝，稳定性最低，在人群中的异质性最高。结论所提出的管道使随着时间的时间和种群内的动态环境中的功能稳定性进行了研究。该策略允许并行化和自动化，并且很容易适应新的生物，生物传感器，培养条件和振荡频率。对微生物对不断变化环境的反应的见解将指导应变开发和生物处理优化。关键词酿酒酵母，种群异质性，动态环境，尺度降低，生物传感器，活细胞成像，微流体单细胞培养，营养振荡
通过信息扰乱量化量子计算复杂性的副本
V Veitch、SAH Mousavian、D. Gottesman 和 J Emerson。稳定器量子计算的资源理论。《新物理学杂志》，16(1):013009，2014 年
基于人类因素 - 量化 - 基于OHFAM-and-...
摘要。发生人为因素分析模型是根据人为因素分析和分类系统（HFAC）以及中国民航的实际操作条件和特征来开发中国民航模型，以增强安全信息的分类，分析和利用。此外，要生成一个可以在航空事件分析中提供定量分析支持的模型，建立了基于OHFAM和贝叶斯网络的人为因素分析模型。通过用CH得分功能梳理爬山搜索方法构建的模型是一个贝叶斯网络，它使用三层节点来表示人为因素和事件之间的因果关系。人为因素对航空事件的特定影响程度由模型的条件概率参数表示。它在航空事件分析和推论中很有用。
量化宽松，回购市场和利率的期限结构
*莱布尼兹金融研究所安全，歌德大学法兰克福大学，西奥多 - - 阿多尔·普拉茨3，60323，法兰克福，德国法兰克福，德国，jappelli@safe-frankfurt.de。† Leibniz Institute for Financial Research SAFE, Goethe University Frankfurt, Theodor-W.-Adorno-Platz 3, 60323, Frankfurt am Main, Germany, Ca' Foscari University of Venice, Dorsoduro, 3246, 30123 Venezia, Italy, and CEPR, pelizzon@safe.uni-frankfurt.de .‡纽约大学，伦纳德·N·斯特恩商学院和纽约大学上海，考夫曼管理中心，西四街4444号，9-68，10012，纽约，纽约，msubrahm@stern.nyu.edu。我们感谢Giovanni Dell'ariccia，Wenxin du，Darrell Duffie，Ester Faia，Matthias Fleckenstein，Robin Greenwood，Zhiguo He（讨论者），Florian Heider，Yesol Huher，Yesol Huh，Sebastian Inte，Sebastian Inte，sebastian jermann，Urban Jermann，Francis Lucistaff，Errikano（Erikano），Erikano（Erikano），Erikano（Erika） Melissinos, Andrea Modena, Cecilia Parlatore, Pietro Reg- giani, Stephen Schaefer, Fabian Smetak (discussant), Claudio Tebaldi, Davide Tomio, Bruce Tuckman, Dimitri Vayanos, Ernst-Ludwig von Thadden, Olivier Wang, Geoffery Zheng, and seminar and conference participants at l'Association Franc¸aise de金融，意大利银行，美联储委员会，歌德大学，莱布尼兹金融研究所安全，第21届国际会议信贷，第9届国际主权债券市场会议，国际风险管理会议（IRMC），LSE，纽约市，纽约大学，纽约大学，乌马斯·阿姆斯特·阿姆斯特·阿姆斯特，威尼斯·阿姆斯特，威尼斯·菲利斯·菲利斯·沃尔·沃尔特·沃尔特·沃尔特·沃尔特 -任何剩余的错误都是我们的。该项目得到了莱布尼兹金融研究所安全的支持。该论文的先前版本的标题为“回购专业的首选范围模型”。 Subrahmanyam非常感谢亚历山大·冯·洪堡基金会（Alexander von Humboldt Foundation）和纽约大学斯特恩（Nyu Stern）的全球经济和商业中心，分别通过Anneliese Maier Award和Anneliese Maier Award和The Acculty Grant Award，以及CA'Foscari Wente University of Wenite University of Wenite University of the研究的早期阶段进行了研究。
对对抗性攻击的深度量化微小神经网络的定量分析
这项工作是在Ferheen Ayaz在格拉斯哥大学任职时完成的。作者的联系信息：伊德里斯·扎卡里亚（Idris Zakariyya），格拉斯哥大学，格拉斯哥，英国，idris.zakariyya@glasgow.ac.ac.uk; Ferheen Ayaz，城市，伦敦大学，伦敦，英国，ferheen.ayaz@city.ac.uk; Mounia Kharbouche-Harrari，法国Stmicroelectronics，Mounia.kharbouche-harrari@st.com;杰里米·辛格（Jeremy Singer），格拉斯哥大学，英国格拉斯哥，jeremy.singer@glasgow.ac.uk； Sye Loong Keoh，格拉斯哥大学，英国格拉斯哥，syeloong.keoh@ glasgow.ac.uk; Danilo Pau，意大利Stmicroelectronics，danilo.pau@st.com;何塞·卡诺（JoséCano），格拉斯哥大学，英国格拉斯哥，josecano.reyes@glasgow.ac.uk。